echo innerHTML，没有外部节点标签
Posted
技术标签:
【中文标题】echo innerHTML，没有外部节点标签【英文标题】：echo innerHTML, without outer node tags 【发布时间】：2013-05-26 07:04:51 【问题描述】：我正在使用DOMDocument 类来解析一个相当不可预测的标记字符串。它的格式不是很好，我需要一些数据。当然，正则表达式是正确的。
到目前为止，我得到了这个：
$dom = new DOMDocument;
$dom->loadhtml($str);
$contents = $dom->getElementsByTagName('body')->item(0);
echo $dom->saveXML($contents);
现在这给了我：
<body>
<p>What I'm really after</p>
<ul><li>Foo</li><li>Bar</li></ul>
<h6>And so on</h6>
</body>
真正让我烦恼的是那些<body> 标签。我要他们走。浏览网络后，我偶然发现了最奇怪的解决方法。有些人比其他人更hacky，所以最后，我选择了：
echo substr($dom->saveXML($contents), 6, -7);
我仍然觉得很老套，但这是我能找到的最好的了。有没有更可靠的方法来获取 DOM 的 innerHTML，从给定节点开始，而不实际显示相应的标签？
我已经看到使用正则表达式的建议（恕我直言），甚至循环遍历所有子节点，呼应那些拥有自己的 childNodes 的子节点，并将那些没有的子节点串在一起：
if ($contents->hasChildNodes())
$children = $contents->getElementsByTagName('*');
foreach($children as $child)
if ($child->hasChildNodes() || $child->nodeName === 'br')
//or isset($standaloneNodes[$child->nodeName])
echo $dom->saveXML($child);
continue;
echo '<'.$child->nodeName.'>'.$child->nodeValue.'</'.$child->nodeName.'>';
但对我来说，这似乎更荒谬......
【问题讨论】：
<body> 标签是否始终存在？是否要删除所有标签？
@Harsh：<body> 标签是由DOMDocument 添加的（连同一个doctype 和<head> 标签。我要做的就是解析HTML，所以我可以得到一些我需要的数据位，并返回标记的规范化版本
看看这个：***.com/questions/2087103/…
@Harsh：我已经有了，与substr($dom->saveXML($contents), 6, -7);相比，那里的答案方式太低效了。
如果您追求速度，Kolink 的解决方案还不错:)
【参考方案1】：
导出 HTML 时，您必须有一个根元素。在大多数情况下，最有用的是body。由于您正在加载 HTML 片段，因此您肯定知道它不会有任何属性，因此 substr(...,6,-7) 是完全可预测且很好的。
【讨论】：
感谢您的快速回复。仍然感觉有点老套……无论如何：我已经完成了这一天的工作，但我回家后会接受你的回答。 是的，它很老套，但做得很好。虽然我害怕使用它，因为它的目的不透明。 :P @Harsh：这就是为什么我用过的所有编程语言都允许 cmets... @Harsh: 那和preg_replace('/^[^>]+>(.+)<[^>]+>$/',$1',$dom->saveXML($contents));，理论上是在一行中剥离外部标签的更可靠的方法，调用Cthulu以上是关于echo innerHTML，没有外部节点标签的主要内容，如果未能解决你的问题，请参考以下文章